杏鲍菇菌丝体检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及一种杏鲍菇菌丝体检测方法、装置、电子设备及存储介质，该方法包括：采集杏鲍菇菌丝体的近红外光谱数据；利用多元散射校正方法对近红外光谱数据进行预处理，得到提高信噪比的光谱数据；利用竞争性自适应重加权采样算法从提高信噪比的光谱数据中选择用于检测杏鲍菇菌丝体的生育期的特征波数；将特征波数输入前馈神经网络模型，以检测得到杏鲍菇菌丝体的生育期，其中前馈神经网络模型的输入层的节点数对应于用于检测杏鲍菇菌丝体的生育期的特征波数，输出层的节点数对应于杏鲍菇菌丝体的各个生育期。本发明专利技术通过以竞争性自适应重加权采样算法提取的特征波数为依据，降低模型计算量同时保证模型精度，高准确率地快速检测杏鲍菇菌丝体的生长情况。杏鲍菇菌丝体的生长情况。杏鲍菇菌丝体的生长情况。

【技术实现步骤摘要】
杏鲍菇菌丝体检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及近红外光谱特征处理和食用菌育种栽培
，尤其涉及一种杏鲍菇菌丝体检测方法、装置、电子设备及存储介质。

技术介绍

[0002]食用菌是具有食用和药用价值的大型菌物，已成为我国农业第五大产业，快速检测菌丝体生和子实体表型特征，对于食用菌高品质育种和智慧栽培具有重要意义。其中，杏鲍菇是我国工厂化栽培的珍稀食用菌品种之一，杏鲍菇菌丝体长速度、密度、颜色、特殊物质含量等表型检测已成为该研究领域热点之一。
[0003]现阶段食用菌菌丝体表型检测方面的基础仍然薄弱，传统肉眼和经验观察菌包内菌丝体生长情况，存在偏面的主观判断极易出错，并且缺乏统一标准且效率较低等不足。由于不同生长环境下菌丝体生长速度不同，肉眼和经验观察其生育阶段极易出错，难以作为调控栽培环境的可靠依据，无法保证食用菌的产量和品质。目前，通过光学设备和传感器将人工观察和手工测量的数据进行数字化后，在食用菌种质资源评价、鉴定、品种选育、生产装备等方面取得一定突破。
[0004]然而，如何基于光学设备和传感器采集到的数据，对杏鲍菇菌丝体进行检测、从而确定杏鲍菇的生长情况和品质，亟需快速而准确率高的解决方法。

技术实现思路

[0005]本专利技术的目的是提供一种杏鲍菇菌丝体检测方法、装置、电子设备及存储介质，用以解决现有技术中存在的问题。
[0006]第一方面，本专利技术提供一种杏鲍菇菌丝体检测方法，包括：
[0007]采集杏鲍菇菌丝体的近红外光谱数据；
[0008]利用多元散射校正方法对所述近红外光谱数据进行预处理，得到提高信噪比的光谱数据；利用竞争性自适应重加权采样算法从所述提高信噪比的光谱数据中选择用于检测杏鲍菇菌丝体的生育期的特征波数；将所述特征波数输入前馈神经网络模型，以检测得到所述杏鲍菇菌丝体的生育期，其中所述前馈神经网络模型的输入层的节点数对应于用于检测杏鲍菇菌丝体的生育期的特征波数，输出层的节点数对应于杏鲍菇菌丝体的各个生育期。
[0009]进一步地，所述利用多元散射校正方法对所述近红外光谱数据进行预处理用于消除由于杏鲍菇菌丝体的颗粒的分布和大小不均而产生的散射和基线漂移。
[0010]进一步地，所述利用多元散射校正方法对所述近红外光谱数据进行预处理包括：
[0011]在完成预设的次数的蒙特卡洛采样后，根据交互验证均方根误差值最小原则选择所述特征波数。
[0012]进一步地，在每次蒙特卡洛采样时，使用指数衰减函数删除回归系数绝对值相对较小的菌丝体光谱曲线波数点。
[0013]进一步地，所述特征波数具有对应的吸光度值。
[0014]进一步地，所述前馈神经网络模型的训练样本包括杏鲍菇菌丝体的每个生育期的多组数据。
[0015]进一步地，所述检测得到所述杏鲍菇菌丝体的生育期包括：
[0016]使用所述前馈神经网络模型的输出层的输出值构建编码向量，并解析所述编码向量得到杏鲍菇菌丝体的生育期。
[0017]第二方面，本专利技术提供一种杏鲍菇菌丝体检测装置，包括：
[0018]光谱数据采集模块，用于采集杏鲍菇菌丝体的近红外光谱数据；
[0019]光谱数据处理模块，用于利用多元散射校正方法对所述近红外光谱数据进行预处理，得到提高信噪比的光谱数据；利用竞争性自适应重加权采样算法从所述提高信噪比的光谱数据中选择用于检测杏鲍菇菌丝体的生育期的特征波数；将所述特征波数输入前馈神经网络模型，以检测得到所述杏鲍菇菌丝体的生育期，其中所述前馈神经网络模型的输入层的节点数对应于用于检测杏鲍菇菌丝体的生育期的特征波数，输出层的节点数对应于杏鲍菇菌丝体的各个生育期。
[0020]第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现根据第一方面所述杏鲍菇菌丝体检测方法的步骤。
[0021]第四方面，本专利技术提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现根据第一方面所述杏鲍菇菌丝体检测方法的步骤。
[0022]由上面技术方案可知，本专利技术提供的杏鲍菇菌丝体检测方法、装置、电子设备及存储介质，通过多元散射校正对菌丝体原光谱数据进行预处理，以竞争性自适应重加权采样算法提取的特征波数为依据，降低模型计算量同时保证模型精度，建立不同生育时期杏鲍菇菌丝体快速检测模型，能够以高准确率快速检测杏鲍菇菌丝体的生长情况。
附图说明
[0023]图1是根据本专利技术实施例的杏鲍菇菌丝体检测方法的流程图；
[0024]图2是根据本专利技术实施例的杏鲍菇菌丝体第一个生育期的原始光谱数据图；
[0025]图3是根据本专利技术实施例的杏鲍菇菌丝体第二个生育期的原始光谱数据图；
[0026]图4是根据本专利技术实施例的杏鲍菇菌丝体第三个生育期的原始光谱数据图；
[0027]图5是根据本专利技术实施例的杏鲍菇菌丝体第四个生育期的原始光谱数据图；
[0028]图6是根据本专利技术实施例的杏鲍菇菌丝体第五个生育期的原始光谱数据图；
[0029]图7是根据本专利技术实施例的杏鲍菇菌丝体第六个生育期的原始光谱数据图；
[0030]图8是根据本专利技术实施例的杏鲍菇菌丝体第一个生育期的预处理后的光谱数据图；
[0031]图9是根据本专利技术实施例的杏鲍菇菌丝体第二个生育期的预处理后的光谱数据图；
[0032]图10是根据本专利技术实施例的杏鲍菇菌丝体第三个生育期的预处理后的光谱数据图；
[0033]图11是根据本专利技术实施例的杏鲍菇菌丝体第四个生育期的预处理后的光谱数据
图；
[0034]图12是根据本专利技术实施例的杏鲍菇菌丝体第五个生育期的预处理后的光谱数据图；
[0035]图13是根据本专利技术实施例的杏鲍菇菌丝体第六个生育期的预处理后的光谱数据图；
[0036]图14是根据本专利技术实施例的使用竞争性自适应重加权采样算法选择杏鲍菇菌丝体的光谱特征波数的示意图；
[0037]图15是根据本专利技术实施例的前馈神经网络模型的网络结构示意图；
[0038]图16是根据本专利技术实施例的前馈神经网络模型的训练过程中曲线收敛图；
[0039]图17是根据本专利技术实施例的对杏鲍菇菌丝体的生育期的检测流程图；
[0040]图18是根据本专利技术实施例的杏鲍菇菌丝体检测装置的结构示意图；
[0041]图19是根据本专利技术实施例的电子设备的结构示意图。
具体实施方式
[0042]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0043]本文提出了一种基于近红外光谱特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种杏鲍菇菌丝体检测方法，其特征在于，包括：采集杏鲍菇菌丝体的近红外光谱数据；利用多元散射校正方法对所述近红外光谱数据进行预处理，得到提高信噪比的光谱数据；利用竞争性自适应重加权采样算法从所述提高信噪比的光谱数据中选择用于检测杏鲍菇菌丝体的生育期的特征波数；将所述特征波数输入前馈神经网络模型，以检测得到所述杏鲍菇菌丝体的生育期，其中所述前馈神经网络模型的输入层的节点数对应于用于检测杏鲍菇菌丝体的生育期的特征波数，输出层的节点数对应于杏鲍菇菌丝体的各个生育期。2.根据权利要求1所述的杏鲍菇菌丝体检测方法，其特征在于，所述利用多元散射校正方法对所述近红外光谱数据进行预处理用于消除由于杏鲍菇菌丝体的颗粒的分布和大小不均而产生的散射和基线漂移。3.根据权利要求1所述的杏鲍菇菌丝体检测方法，其特征在于，所述利用多元散射校正方法对所述近红外光谱数据进行预处理包括：在完成预设的次数的蒙特卡洛采样后，根据交互验证均方根误差值最小原则选择所述特征波数。4.根据权利要求3所述的杏鲍菇菌丝体检测方法，其特征在于，在每次蒙特卡洛采样时，使用指数衰减函数删除回归系数绝对值相对较小的菌丝体光谱曲线波数点。5.根据权利要求1所述的杏鲍菇菌丝体检测方法，其特征在于，所述特征波数具有对应的吸光度值。6.根据权利要求1所述的杏鲍菇菌丝体检测方法，其特...

【专利技术属性】
技术研发人员：关海鸥，范博文，杨忱，马晓丹，杨凤军，姬快乐，
申请(专利权)人：黑龙江八一农垦大学，
类型：发明
国别省市：